Untuk industri media, periode antara Maret dan Mei adalah waktu yang tepat. Di banyak acara di muka yang mencakup lanskap media, yang tidak lagi terikat pada platform dan teknologi individu, pasar konten yang berkembang menghadirkan banyak peluang dan hamparan informasi bagi pembeli dan penjual iklan untuk dinavigasi, terutama di tengah meningkatnya percakapan tentang data besar untuk pengukuran.
Bagi pengiklan, angka sangat penting sepanjang tahun ini. Dan karena fragmen konsumsi TV di tengah meningkatnya keterlibatan digital, mereka mengambil kepentingan yang lebih besar. Seberapa penting? Sebuah studi Analisis Ampere menemukan bahwa total pengeluaran untuk konten pada tahun 2021 berjumlah sekitar $220 miliar, dipimpin oleh pembangkit tenaga streaming Netflix. Dan pengiklan, mengetahui bahwa orang Amerika melakukan streaming video senilai hampir 15 juta tahun tahun lalu, reli, karena pengeluaran iklan digital di seluruh dunia melonjak lebih dari 29% pada tahun 2021 untuk melampaui $491 miliar.
Terlebih lagi, konsumen tidak memiliki rencana untuk mengubah lintasan industri streaming, karena 93% pelanggan streaming mengatakan mereka berencana untuk meningkatkan penggunaan mereka selama tahun depan. Namun, itu tidak berarti bahwa konten TV tradisional keluar dari gambar. Justru sebaliknya, karena rata-rata orang dewasa menghabiskan lebih dari dua kali lebih banyak waktu per hari dengan TV langsung daripada yang mereka lakukan dengan konten TV yang terhubung (CTV).
Meningkatnya kelimpahan konten menghadirkan semakin banyak pilihan bagi konsumen, tetapi berbagai platform, perangkat, dan layanan dapat menghadirkan tantangan pengukuran bagi pengiklan. Selain itu, ledakan pilihan belum menciptakan lebih banyak waktu untuk terlibat dengan konten, juga tidak menciptakan lebih banyak orang. Tetapi data besar, termasuk yang berasal dari smart TV (ACR) dan cable box (RPD), memiliki cara untuk menyarankan sebaliknya. Data dari kotak kabel dan smart TV juga memberikan sedikit wawasan tentang aktivitas streaming: Kotak kabel, menurut definisi, menyediakan data TV tradisional, dan ACR sering dimatikan saat pemirsa menggunakan aplikasi asli, termasuk Netflix.
Selain tidak pernah dimaksudkan untuk digunakan untuk pengukuran, big data tidak mencerminkan orang yang sebenarnya. Tidak ada salahnya nilai RPD dan ACR, karena mereka memberikan skala untuk pengukuran, tetapi data besar mencerminkan perangkat, bukan dari orang yang sebenarnya. Data dengan sendirinya tidak dapat memberi tahu Anda siapa yang menonton dan siapa yang tidak—yang merupakan kebutuhan mendasar bagi pengiklan. Dan ketika orang dihapus dari persamaan, angka-angka tidak akan bertambah.
Ambil data ACR, misalnya, yang mengidentifikasi gambar di layar smart TV. Data ini bisa sangat berguna dalam pengukuran audiens, tetapi dengan sendirinya, data ini tidak lebih dari mengidentifikasi apa yang ada di layar. Data RPD serupa, namun tidak memiliki kemampuan untuk memverifikasi bahwa perangkat TV menyala. Itu sebabnya seperempat dari semua tayangan set-top-box berasal dari TV yang bahkan tidak aktif.
Selain tidak tahu siapa yang menggunakan perangkat atau layar, data besar secara inheren bias, dan biasnya tergantung pada jenis datanya. Agar big data benar-benar mewakili populasi AS, setiap rumah tangga TV harus memiliki tv yang sama persis dan mengakses program melalui aliran data yang sama persis. Itulah sebabnya semua kumpulan data besar harus diatur tingkatnya—dikalibrasi—dengan panel berbasis orang yang mencerminkan keragaman populasi AS.
Yang penting, Federasi Pengiklan Dunia, Asosiasi Pengiklan Nasional, dan organisasi yang sebanding di lebih dari 30 negara lain dengan suara bulat menyatakan bahwa sistem pengukuran audiens masa depan untuk media layar harus merupakan kombinasi dari panel berkualitas dan data besar.
Tanpa data panel, pengukuran tidak akan menangkap keragaman. Kita tidak hanya tahu bahwa semua rumah tangga TV tidak akan pernah mengakses konten yang sama pada perangkat yang sama, kita juga tahu bahwa riasan rumah tangga sama beragamnya dengan kain negara yang berisi rumah tangga TV. Di situlah pengukuran berbasis big data meleset dari sasaran—secara signifikan.
Misalnya, hispanik mewakili hanya di bawah 20% dari populasi AS, tetapi data besar secara signifikan kurang menghitung audiens ini, bersama dengan banyak lainnya. Tetapi ketika pengukuran didasarkan pada RPD saja, analisis Nielsen telah menemukan bahwa itu kurang mewakili rumah Hispanik sebesar 30%. Untuk menempatkannya ke dalam perspektif, pertimbangkan ini: Sensus AS 2020 menentukan bahwa populasi Hispanik hanya lebih dari 62 juta. Jika setengah dari populasi tersebut menonton TV pada waktu tertentu dan pengiklan memanfaatkan data RPD untuk pengukuran, pengiklan dapat mencapai 9 juta lebih banyak orang daripada yang mereka ketahui.
Yang penting, kurangnya representasi 30% adalah rata-rata. Pada tingkat program, data besar dapat kurang dan terlalu mewakili dengan margin yang jauh lebih besar—baik untuk populasi umum maupun audiens yang beragam. Misalnya, sebuah studi Nielsen tentang varians antara pengukuran big data dan pengukuran berbasis panel standar emasnya menemukan bahwa pengukuran RPD melebih-lebihkan total tayangan AS untuk program primetime sebesar 69%. Secara komparatif, pengukuran ACR kurang menyebutkan total sebesar 12%. Untuk acara olahraga, pengukuran RPD kurang menyatakan audiens Hispanik sebesar 47%, sementara data ACR menyatakan audiens yang sama secara berlebihan sebesar 12%.
Bagi pengiklan, varian pengukuran ini bisa mahal. Namun, meningkatnya pasokan sumber data baru menambah kompleksitas pengukuran, terutama ketika mungkin tidak terhubung dengan orang sungguhan. Penerbit dan pengiklan akan selalu menginginkan jangkauan semaksimal mungkin, tetapi tentu saja bukan tanpa ketelitian analitis yang diperlukan untuk memvalidasinya.
Saat linear dan digital bertemu, sumber data besar adalah input penting untuk pengukuran. Tetapi mereka tidak dapat dipercaya sebagai sumber pengukuran sendiri. Karena konsumen terlibat dengan lebih banyak perangkat dan lebih banyak saluran, akan mudah untuk menunjuk ke data yang mengklaim keterlibatan yang berpotensi meningkat secara berlebihan. Pengiklan pasti akan menyambut ukuran pemirsa yang disarankan oleh banyak audiens alternatif, tetapi jika mereka menempatkan pembelian iklan mereka terhadap angka-angka itu, mereka pada akhirnya akan membayar untuk angka-angka yang tidak mencerminkan orang sungguhan.
